Введение к работе
Актуальность темы.
Современные информационные системы анализа больших массивов информации или управления сложными процессами невозможно представить без элементов искусственного интеллекта. Методы интеллектуального анализа данных позволяют строить эффективные модели диагностики, прогнозирования, принятия решений во многих предметных областях человеческой деятельности.
Подобные модели используются в широком классе интеллектуальных информационных систем, особенно в экспертных системах (ЭС), основным элементом которых является база знаний – модель, представленная множеством систематизированных правил, описывающих закономерности в рассматриваемой предметной области. Поэтому проектирование баз знаний является важной задачей при разработке экспертных систем.
Проведенный анализ возможностей нейронечётких модели формирования баз знаний показал, что качество обучения нечеткой нейронной сети (ННС) в значительной степени зависит от выбора количества нечетких гранул для входных лингвистических переменных (ЛП). Кроме того, для использования нечеткой информации, формализованной математическим аппаратом нечёткой логики, необходимы процедуры выбора оптимальных форм и начальной инициализации параметров соответствующих функций принадлежности. По этим причинам для повышения точности аппроксимации экспериментальных данных нечеткими правилами продукций необходим автоматический выбор оптимального количества нечётких гранул входных лингвистических переменных нечеткой нейронной сети и соответствующих форм и параметров их функций принадлежности.
Исследованию в этой области посвящены работы таких ученых как
Заде Л.А., Ванг П.П., Рознер Б.С., Студлер Дж., Парми Дж. , Хоффман Д., Поспелов Д.А., Аверкин А.Н., Финн В.К., Кобринский Б.А., Загоруйко Н.Г., Ярушки-
на Н.Г., Паклин Н.Б., Батыршин И.З., Глова В.И., Аникин И.В., Исмагилов И.И., Катасёв А.С. и др. Однако, несмотря на это, многие вопросы предобработки данных для повышения эффективности работы нечетких нейронных сетей при формировании баз знаний экспертных систем недостаточно рассматривались.
Таким образом, актуальной задачей является разработка эффективных алгоритмов, методики и реализующего ее программного комплекса преднастройки и оптимизации параметров нечёткой нейронной сети для формирования баз знаний экспертных систем. Решению этой задачи посвящено настоящее исследование.
Объект исследования: нейронечеткая модель формирования баз знаний экспертных систем.
Предмет исследования: методы и алгоритмы построения функций принадлежности и кластеризации экспериментальных данных.
Цель работы: повышение точности аппроксимации экспериментальных данных при обучении нечеткой нейронной сети.
Научная задача: разработка методики, формальных алгоритмов и программного комплекса преднастройки и оптимизации параметров нечеткой нейронной сети.
Достижение цели и решение задачи потребовало:
анализа эффективности методов интеллектуального анализа данных и стратегий получения знаний для экспертных систем;
анализа существующих методов решения задачи выделения значений лингвистической переменной (задача нечеткого гранулирования информации);
разработки метода и алгоритма нечеткой кластеризации для определения оптимального числа градаций входных параметров нечеткой нейронной сети;
разработки алгоритма выбора оптимальной формы и начальных параметров функций принадлежности нечетких гранул;
программной реализации алгоритмов преднастройки и оптимизации параметров нечёткой нейронной сети;
оценки эффективности работы методики;
эксперимента по формированию баз знаний экспертных систем с учетом преднастройки и оптимизации параметров нейронечеткой модели.
Методы исследования - методы математического моделирования, кластерного анализа, нечёткой логики, искусственных нейронных сетей, мягких вычислений. В качестве инструментальных средств использовалась среда математического моделирования MathWorks MatLab 7 и программный комплекс формирования баз знаний экспертных систем «Нечеткая нейронная сеть».
Достоверность полученных результатов обоснована корректным использованием математических методов, строгостью доказательства теорем, результатами математического моделирования на базе профессиональной среды MathWorks MatLab 7, результатами экспериментов и испытаний, а также результатами использования материалов диссертации и разработанных программ в государственных организациях.
Научная новизна работы заключается в следующем:
разработан метод и алгоритм нечеткой кластеризации значений входных параметров нечёткой нейронной сети, исключающий недостатки существующих алгоритмов и применимый в условиях поставленной задачи;
разработан алгоритм выбора формы и настройки начальных параметров ФП нечетких гранул входных лингвистических переменных.
предложена методика повышающая эффективность формирования баз знаний для использования в механизмах вывода экспертных систем;
Теоретическая значимость:
разработаны алгоритмы преднастройки и оптимизации параметров нейронечеткой модели формирования баз знаний экспертных систем.
доказаны теоремы для основополагающих понятий: отношение -квази-эквивалентности, порог -квазиэквивалентности, шкала отношения -квазиэквивалентности.
предложена методика, повышения точности аппроксимации экспериментальных данных при обучении нечеткой нейронной сети;
Практическая ценность диссертационной работы заключается в разработке и реализации программного комплекса методики, позволяющего повысить эффективность анализа статистических данных и формирования системы нечётко-продукционных правил баз знаний экспертных систем.
По проблеме диссертационной работы опубликовано 16 работ, в том числе, 1 статья в журнале из списка, рекомендованного ВАК России, 7 статей и 9 тезисов докладов.
Основные положения и результаты диссертации докладывались и обсуждались: на 4-й и 7-й ежегодной международной научно-практической конференции «Инфокоммуникационные технологии глобального информационного общества» (Казань, 2006, 2009); ежегодной научно-практической конференции «Наука и профессиональная деятельность» (Нижнекамск, 2008); II Всероссийской научно-практической конференции «Современная торговля: теория, методология, практика» (Казань, 2008); 9-й международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций», посвященная 100-летию со дня рождения академика В.А. Котельникова, 120-летию телефонной связи в Татарстане (Казань, 2008); международной молодёжной научной конференции «XVII Туполевские чтения» (Казань, 2008); всероссийской молодежной научной конференции «Инновационные технологии в торговле и экономике» (Казань, 2008); республиканской научно-практической конференции «Проблемы анализа и моделирования региональных социально-экономических процессов» (Казань, 2009); международной конференции «Мягкие вычисления и измерения (SCM’2009)» (Cанкт-Петербург, 2009); Казанском городском семинаре «Методы моделирования» (Казань, 2009).
Реализация результатов работы. Результаты исследования:
внедрены в опытную эксплуатацию в составе системы «Антиспам» для рабочих станций информационных систем МВД Республики Татарстан и группы компаний «Центр», решающей задачу предварительного выявления писем несанкционированной массовой рассылки;
использованы при построении базы знаний мягкой экспертной системы диагностики развития и особенностей клинических проявлений остеохондроза поясничного отдела позвоночника в Казанской государственной медицинской академии;
внедрены в учебный процесс Казанского государственного технического университета им. А.Н. Туполева и используются при изучении материалов следующих дисциплин «Математические основы человеко-машинных систем», «Базы знаний интеллектуальных систем», «Теория принятия решений в системах обеспечения информационной безопасности».
На защиту выносятся следующие результаты:
алгоритмы преднастройки и оптимизации параметров нейронечёткой модели формирования баз знаний экспертных систем;
методика преднастройки и оптимизации параметров нейронечёткой модели формирования баз знаний экспертных систем;
программный комплекс, реализующий предложенную методику.
Структура и объём диссертации. Диссертация изложена на 144 страницах машинописного текста, содержит 50 рисунков, 5 таблиц, состоит из введения, четырёх глав, заключения, списка использованной литературы из 100 наименований на 10 страницах.
Сведения о личном вкладе автора. Разработана методика, методы и алгоритмы преднастройки и оптимизации параметров нейронечёткой модели формирования баз знаний экспертных систем, а также программный комплекс реализующий алгоритмы методики на базе нечёткой нейронной сети, проведены прикладные исследования при работе с программным комплексом для оценки эффективности использования методики в решении практических задач.
На базе нечеткой нейронной сети сформирована база знаний экспертной системы медицинской диагностики и экспертной системы «Антиспам» предварительной классификации писем несанкционированной массовой рассылки. Проведена опытная эксплуатация систем, разработан план мероприятий по внедрению в промышленную эксплуатацию.
Подготовлены обучающие выборки и проведено обучение нечеткой нейронной сети с получением системы правил. Проведен сравнительный анализ результатов работы нечеткой нейронной сети при различных подходах к настройке ее параметров – с применение методики преднастройки и оптимизации и без нее.
